隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)切實地迎來了一個大數(shù)據(jù)的時代。大數(shù)據(jù)是指無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合，對大數(shù)據(jù)的分析已經(jīng)成為一個非常重要且緊迫的需求。目前對大數(shù)據(jù)的分析工具，*的是Hadoop平臺。Hadoop在可伸縮性、健壯性、計算性能和成本上具有無可替代的優(yōu)勢，事實上已成為當(dāng)前互聯(lián)網(wǎng)企業(yè)主流的大數(shù)據(jù)分析平臺。為解決廣大系統(tǒng)設(shè)計人員深入研究與開發(fā)大數(shù)據(jù)技術(shù)的需要，培訓(xùn)中心特舉辦“大數(shù)據(jù)處理技術(shù)-基于Hadoop的實戰(zhàn)”培訓(xùn)班，具體事宜通知如下：
一、培訓(xùn)對象
1，系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員。
2，牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設(shè)計負(fù)責(zé)人。
3，*機關(guān)，金融保險、移動和互聯(lián)網(wǎng)等大數(shù)據(jù)來源單位的負(fù)責(zé)人。
4，高校、科研院所牽涉到大數(shù)據(jù)與分布式數(shù)據(jù)處理的項目負(fù)責(zé)人。
二、學(xué)員基礎(chǔ)
1，對IT系統(tǒng)設(shè)計有一定的理論與實踐經(jīng)驗。
2，有一定的數(shù)據(jù)倉庫與大數(shù)據(jù)處理的基礎(chǔ)知識。
三、師資
由業(yè)界*云計算專家親自授課：
楊老師 主要研究網(wǎng)絡(luò)信息分析以及云計算相關(guān)技術(shù)，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個*和省部級基金項目，具有豐富的工程實踐及軟件研發(fā)經(jīng)驗。
四、培訓(xùn)要點
互聯(lián)網(wǎng)點擊數(shù)據(jù)、傳感數(shù)據(jù)、日志文件、具有豐富地理空間信息的移動數(shù)據(jù)和涉及網(wǎng)絡(luò)的各類評論，成為了海量信息的多種形式。當(dāng)數(shù)據(jù)以成百上千TB不斷增長的時候，我們在內(nèi)部交易系統(tǒng)的歷史信息之外，需要一種基于大數(shù)據(jù)分析的決策模型和技術(shù)支持。
大數(shù)據(jù)通常具有：數(shù)據(jù)體量(Volume)巨大,數(shù)據(jù)類型(Variety)繁多,價值(Value)密度低,處理速度(Velocity)快等四大特征。如何有效管理和高效處理這些大數(shù)據(jù)已成為當(dāng)前亟待解決的問題。大數(shù)據(jù)處理意味著更嚴(yán)峻的挑戰(zhàn)，更好地管理和處理這些數(shù)據(jù)也將會獲得意想不到的收獲。
Google發(fā)布的GFS和MapReduce等高可擴展、高性能的分布式大數(shù)據(jù)處理框架，證明了在處理海量網(wǎng)頁數(shù)據(jù)時該框架的優(yōu)越性。GFS/MapReduce框架實現(xiàn)了更高應(yīng)用層次的抽象，使用戶無需關(guān)注復(fù)雜的內(nèi)部工作機制，無需具備豐富的分布式系統(tǒng)知識及開發(fā)經(jīng)驗，即可實現(xiàn)大規(guī)模分布式系統(tǒng)的部署與大數(shù)據(jù)的并行處理。
Apache Hadoop開源項目開發(fā)團隊。他們克隆了GFS/MapReduce框架，推出了Hadoop系統(tǒng)。該系統(tǒng)已受到學(xué)術(shù)界和工業(yè)界的廣泛認(rèn)可和采納，并孵化出眾多子項目(如Pig，Zookeeper和Hive等)，日益形成一個易部署、易開發(fā)、功能齊全、性能優(yōu)良的系統(tǒng)。
本課程從大數(shù)據(jù)技術(shù)以及Hadoop實戰(zhàn)的角度，結(jié)合理論和實踐，全方位地介紹Hadoop這一高性能處理大數(shù)據(jù)工具的開發(fā)技巧。本課程涉及的主題包括：Hadoop分布式文件系統(tǒng)及Hadoop的I/O；MapReduce的的工作機制、類型和格式；如何構(gòu)建和管理Hadoop集群；Pig Latin語言的使用技巧；Hive數(shù)據(jù)倉庫工具介紹；HBase和Zookeeper工具的使用和管理；開源數(shù)據(jù)采集工具sqoop。
教學(xué)過程中還提供了案例分析來幫助學(xué)員了解如何用Hadoop系列工具來解決具體的問題，并介紹了從大數(shù)據(jù)中挖掘出有價值的信息的關(guān)鍵。本課程不是一個泛泛的理論性、概念性的介紹課程，而是針對問題討論解決方案的深入課程。教師對于上述領(lǐng)域有深入的理論研究與實踐經(jīng)驗，在課程中將會針對這些問題與學(xué)員一起進(jìn)行研究，在關(guān)鍵點上還會搭建實驗環(huán)境進(jìn)行實踐研究，以加深對于這些解決方案的理解。
五、培訓(xùn)內(nèi)容
*講 云計算及大數(shù)據(jù)處理技術(shù)介紹
1）云計算的概念
2）云計算發(fā)展現(xiàn)狀
3）大數(shù)據(jù)的概念
4）大數(shù)據(jù)的應(yīng)用
5）大數(shù)據(jù)關(guān)鍵技術(shù)
第二講 Google中的關(guān)鍵技術(shù)
1）GFS文件系統(tǒng)
2）Chubby中的Paxos算法
3）MapReduce技術(shù)機制
4）Bigtable表管理技術(shù)
第三講 Hadoop文件系統(tǒng)HDFS及其文件結(jié)構(gòu)
1） Hadoop項目簡介
2） HDFS體系結(jié)構(gòu)
3） HDFS關(guān)鍵運行機制
4） Hadoop vs Google
5） Hadoop API
第四講 MapReduce編程模型及其應(yīng)用開發(fā)
1) MapReduce產(chǎn)生背景
2) MapReduce編程模型
3) MapReduce實現(xiàn)機制
4) MapReduce案例分析
第五講 Pig Latin及其使用
1）Pig 設(shè)計的目標(biāo)
2）Pig Latine介紹
3）Pig關(guān)鍵性技術(shù)
4）Pig的實用案例
第六講 數(shù)據(jù)倉庫Hive使用
1) Hive設(shè)計目標(biāo)
2) Hive數(shù)據(jù)模型
3) Hive關(guān)鍵性技術(shù)
4) Hive的使用案例
第七講 HBase和ZooKeeper使用
1） Hbase運行機制簡介
2） HBase與 HDFS
3） HBase的對外接口
4） ZooKeeper的數(shù)據(jù)模型
5） ZooKeeper的讀寫機制
6） ZooKeeper的使用方法
第八講 數(shù)據(jù)抽取工具Sqoop使用
1）數(shù)據(jù)抽取技術(shù)介紹
2）Sqoop中的關(guān)鍵技術(shù)
3）Sqoop數(shù)據(jù)抽取策略
4）數(shù)據(jù)挖掘及分析
第九講 當(dāng)前數(shù)據(jù)中心的改造和轉(zhuǎn)換分析
1）主流商業(yè)大數(shù)據(jù)解決方案比較
2）主流開源云計算系統(tǒng)比較
3）國內(nèi)代表性大數(shù)據(jù)平臺比較
第十講各廠商*的大數(shù)據(jù)產(chǎn)品介紹
1）IBM的大數(shù)據(jù)技術(shù)
2）HP的大數(shù)據(jù)技術(shù)
3）Teradata的大數(shù)據(jù)技術(shù)
4）其它廠商的大數(shù)據(jù)處理
六、培訓(xùn)目標(biāo)
1, 全面了解大數(shù)據(jù)處理技術(shù)的相關(guān)知識。
2，學(xué)習(xí)Hadoop的核心技術(shù)方法以及應(yīng)用特征。
3，深入使用Hadoop相關(guān)工具在大數(shù)據(jù)中的使用。
4，掌握傳統(tǒng)數(shù)據(jù)中心向云計算中心轉(zhuǎn)換的關(guān)鍵技術(shù)。
七、培訓(xùn)時間、地點
時間： 2015年3月19日-3月21日 北京 地點：北京
八、證 書
培訓(xùn)結(jié)束，頒發(fā)中科院計算所職業(yè)培訓(xùn)中心“大數(shù)據(jù)處理技術(shù)-基于Hadoop的實戰(zhàn)”結(jié)業(yè)證書。
